A Data Driven Architecture for iOS App, implemented with Swift
数据驱动是一种思想，数据驱动型编程是一种编程范式。基于数据驱动的编程，基于事件的编程，以及近几年业界关注的响应式编程，本质其实都是观察者模型。数据驱动定义了data和acton之间的关系，传统的思维方式是从action开始，一个action到新的action，不同的action里面可能会触发data的修改。数据驱动则是反其道而行之，以data的变化为起点，data的变化触发新的action，action改变data之后再触发另一个action。如果data触发action的逻辑够健壮，编程的时候就只需要更多的去关注data的变化。思考问题的起点不同，效率和产出也不同。
在CDD的介绍文章里提到过，设计数据驱动的关键在于怎么定义数据的变化，其变化的方式将直接影响观察者的响应方式。我们需要通过精简，通用的方式来告诉我们的观察者数据的那一部分发生了变化。
怎么定义数据的变化？
我们在用数据表述业务模型的时候，一般用到两种类型。一是single instance，二是collection type。single instance是单个的model实例。collection type是model实例的集合，array，set，dictionary都是属于集合类。这两者的基础变化离不开CRUD，也就是我们常说的增删改查。把这四种行为定义成事件，再附带上变化的数据部分就可以描述“数据的改变”了。
- single instance。在Objective C当中，我们可以通过KVO的方式来监听instance的property变化，十分方便。但Swift当中并没有KVO的实现，如果硬要使用就必须引入Objective C的runtime，不美。Swift作为一门表现力更强的新语种，当然会有更好的方式来实现。
- collection type。在Objective C的CDD实现当中，我们定义了新的基类（比如CDDMutableArray）来传递元素的变化。这种方式缺点是繁琐，需要针对每个集合类重新实现，Swift当中也有更好的方式，而且能与single instance统一。
Observable-Swift
Observable-Swift可以用事件来统一描述single instance和collection type的变化，是Swift世界里比KVO更通用的方案。
对于single instance的property变化可以用这段代码描述：
struct Person {
let first: String
var last: Observable<String>
init(first: String, last: String) {
self.first = first
self.last = Observable(last)
}
}
var ramsay = Person(first: "Ramsay", last: "Snow")
ramsay.last.afterChange += { println("Ramsay \($0) is now Ramsay \($1)") }
ramsay.last <- "Bolton"
afterChange是名字改变的事件，println是事件的观察者所产生的行为。每次给ramsay.last赋值，println都会被触发。
对于collection type，Observable-Swift没有原生的支持，不过我们可以自己定义：
class DataEvent<T>: NSObject {
var insert = EventReference<T>()
var delete = EventReference<T>()
var update = EventReference<T>()
var refresh = EventReference<T>()
}
DataEvent包含增，删，改，刷新等常见事件。因为查操作一般不会产生action，所以可以不用定义。每次collection type里的元素发生改变的时候，只需要调用对应事件的notify()就可以通知观察者了。
我们将DDA的架构分为三层：
这三层每一层都向下依赖，每一层之间通过面相接口编程的方式产生关联。
在CDD的讨论里已经详细的介绍过应用层（Application Layer）的实现方式和数据流向。DDA里应用层的实现差不多，只不过实现语言换成了Swift。这一层主要由我们熟悉的UIViewController组成，工作职责包括采集用户数据和展示UI。采集数据是指数据从Application Layer流向Service Layer，展示UI是指观察Service Layer流入的数据变化并改变UI。可以假设这样一个业务场景来说明Application Layer的工作：用户在SettingController里改变自己的用户名。
数据的流出（采集数据）
用户在SettingController的输入框里输入新的用户名，产生newName: String，newName需要传输到Server，收到成功回执之后再改变Controller当中的展示。这个完整的流程当中newName就是我们所关心的业务数据，在newName流向Service Layer之前我们可能需要进行校验（名字是否为空或超过了最大长度），这部分的逻辑更贴近界面的工作，且不涉及任何网络和DataBase操作，所以可以放在应用层。如果通过了校验，下一步就是将newName通过请求告诉Server，所有的网络和DataBase操作都发生在Service Layer，所以我们只需要将newName传输到Service Layer，到这一步就完成了数据的流出。
数据的流入（改变UI）
Application Layer将newName输出到Service Layer之后，接下来只需要作为观察者监控user: UserProfile这个model当中name property的变化。user model是一个viewModel，使用上和MVVM当中的ViewModel概念一致，ViewModel定义在应用层，但会通过事件观察者的方式绑定到Service Layer当中的RawModel。ViewModel负责把RawModel当中的数据转化成View所需要的样式，View在完成UI的配置之后就不需要维护其它的业务逻辑了。
Servicec Layer负责所有的网络请求实现，DataBase操作实现，以及一些公用的系统资源使用接口（比如GPS，相册权限，Push权限等）。对于Application Layer来说Service Layer就像是一个0ms延迟的Server，所有的服务都通过protocol的方式暴露给Application Layer。Service Layer和Data Access Layer（DAL）使用相同的RawModel定义，RawModel定义在DAL，从sqlite当中读出数据之后就会被马上转化成RawModel。RawModel不要和View进行直接绑定，通过ViewModel中转可以将数据改变的核心逻辑放在同一的地方管理，调试的时候会很有用。上面修改用户名的例子传入的newName，在这一层通过ModifyUserNameRequest通知Server。ModifyUserNameRequest成功回调之后将user model的name property修改为最新值。name一修改Application Layer对应的View立刻会收到数据改变的事件并展示新的name。Service Layer接下来需要把newName保存到数据库当中，涉及到和sqlite的交互。所有和sqlite直接打交道的工作都是交给Data Access Layer来做。
DAL层对下负责和数据库直接交互，对上通过protocol的方式提供数据操作的接口给Service Layer。数据库我们使用sqlite。DAL层不涉及任何具体的业务逻辑，只提供基础的CRUD接口，这样一旦DAL层稳定下来，项目中后期出现业务bug基本就可以省去在DAL层调试。RawModel也定义在DAL，有些项目会在Service Layer和DAL各自定义自己的model，但每多一层model定义，就多了一次转换和维护的逻辑，对于大部分的项目来说其实没这个必要。DAL除了提供CRUD之外，还需要搭建线程模型，读写要分线程，而且需要同时提供同步异步两套接口。
这样初步进行职责划分后，我们可以得到一个细一点的层次图。
接下来是show the code，我们通过一个具体的demo例子来讨论DDA更多的细节。
Trim是用DDA架构搭建的一个Demo，其目标是将一些不同来源的数据以Feed流的方式展示在同一个界面当中，这样就不用打开n个不同的app去刷新查看了，这些数据可以来自任何有第三方开放平台的产品，比如微博，GitHub等。现阶段Demo已经实现的功能是拉取GitHub账户Repository的信息。这个功能已经包含完整的数据流，可以完整的体现DDA的思路。点击GitHub地址。
Demo的目标是从GitHub上将某个账户所有的Repository拉取下来，形态如下：
先来看Feed对应的应用层逻辑，工程结构如下：
可以看到我们通过Context Driven Design的方式将FeedStreamController分成了很多不同职责的类，避免Massive View Controller。FeedStreamDH对应CDD当中的DataHandler，FeedStreamBO对应Business Object。View划分的粒度比较细，对于界面复杂的UI来说，细粒度的View能很好的提高代码可阅读性。Model当中存放上面提到的ViewModel，不同的View或者Cell当中的控件都直接和ViewModel中的property绑定，cell只负责绘制，业务数据的转换逻辑放在ViewModel里。我们就Repository Cell的展示逻辑看下完整的数据驱动流程。
Repository Cell里每个UI控件（4个UILabel）与ViewModel property的绑定代码如下：
override func configCellWithItem(item: FeedItem) {
if let repo = item as? FeedItemGitHubRepo {
//let's bind property
bindUIProperty(&repo.repoName, lbName, true, handler: { (nV: String) -> () in
self.lbName.text = nV
self.lbName.sizeToFit()
})
bindUIProperty(&repo.repoOpenIssue, lbOpenIssue, true, handler: { (nV: String) -> () in
self.lbOpenIssue.text = nV
self.lbOpenIssue.sizeToFit()
})
bindUIProperty(&repo.repoStar, lbStar, true, handler: { (nV: String) -> () in
self.lbStar.text = nV
self.lbStar.sizeToFit()
})
bindUIProperty(&repo.repoFork, lbFork, true, handler: { (nV: String) -> () in
self.lbFork.text = nV
self.lbFork.sizeToFit()
})
}
}
对于每个控件来说，ViewModel当中property的值都可以直接拿来使用，不需要做任何转换，转换的逻辑发生在ViewModel当中。绑定的代码虽然很简单，但bindUIProperty里面其实需要处理更多的场景。
- 绑定到新的property的时候，需要把旧的绑定解除（cell重用的时候会有旧的绑定存在）。
- 当控件被释放的时候，需要把绑定解除。
- 绑定发生的时候需要针对初始值触发一次。
- 绑定的添加和移除是线程安全的。
再看下ViewModel里面的处理逻辑。Repository Cell对应的ViewModel是FeedItemGitHubRepo.swift，也就是上面绑定所使用的model类。
init(repo: GitHubRepository) {
super.init(aType: .FeedItemGitHubRepo)
//bind value, custom logic may apply
bindProperty(&repo.name, self) { (nV: String) -> () in
self.repoName <- nV
}
bindProperty(&repo.star, self) { (nV: Int64) -> () in
self.repoStar <- "star: \(nV)"
}
bindProperty(&repo.fork, self) { (nV: Int64) -> () in
self.repoFork <- "fork: \(nV)"
}
bindProperty(&repo.openIssue, self) { (nV: Int64) -> () in
self.repoOpenIssue <- "open issue: \(nV)"
}
}
FeedItemGitHubRepo作为ViewModel必须由RawModel来初始化，FeedItemGitHubRepo当中的每个property都需要一一对应绑定到RawModel的property当中，bindProperty提供一个handler的闭包回调来添加额外的业务逻辑，可以做property值与类型的转换。这样每次Service Layer改变RawModel的任何property的时候，FeedItemGitHubRepo就能立刻收到事件并改变自身对应property的值，之后configCellWithItem当中的绑定也会被触发，UILabel等控件的值也随之更新。完成一个应用层的数据驱动链路。bindProperty添加的绑定与model本身的生命周期关联即可，因为不存在model被复用的情况。
应用层的数据绑定确立以后，接下来是处理Service Layer的数据逻辑。RawModel的改变都发生在这一层，Application Layer不应该直接处理RawModel，所有的数据处理逻辑都应该通过Service Layer暴露接口来实现。Service Layer的结构如下：
Service Layer的组织方式按照面向接口的方式，ServiceFactory.swift是工厂类提供各种Service的实例。每种Service都有对应的protocol定义其可供Application Layer使用的接口。GitHubServiceImp存放真正的实现。采用面向接口的方式除了和应用层解耦之外，还有另外两个好处：
每个Service除了有Imp实现类之外，还可以定义一个Cache子类。GitHubServiceImp就对应了一个GitHubServiceCache
class GitHubServiceCache: GitHubServiceImp {
private var cachedRepos = [String: GitHubRepository]()
private var sema_repos = dispatch_semaphore_create(1)
}
model的查询会频繁的发生在应用层，如果每次都从db里去获取，disk io带来的性能损耗必然会影响应用层的整体表现。所以对于业务频次高的模块需要建立对应的Model Cache。这个Cache对业务逻辑来说是透明的。比如加载所有repository的接口：
override func loadRepositories() -> [GitHubRepository] {
let repos = super.loadRepositories()
dispatch_semaphore_wait(sema_repos, DISPATCH_TIME_FOREVER)
for repo in repos {
cachedRepos[repo.id^] = repo
}
dispatch_semaphore_signal(sema_repos)
return repos
}
只要调用super.loadRepositories()就完成Imp当中的业务实现，cache的发生完全独立于业务逻辑。当然我们需要把ServiceFactory当中的实例替换成Cache对应的实例：
let githubService = GitHubServiceCache()
和Model Cache的添加方式类似，我们还可以针对每个Service的接口添加Unit Test。对于GitHubServiceImp来说，我们只需要添加一个GitHubServiceTest子类，再把需要测试的接口override并添加具体的测试逻辑即可。
比如我们想监控上面loadRepositories方法每次执行的时间，可以做如下实现：
class GitHubServiceTest: GitHubServiceCache {
override func loadRepositories() -> [GitHubRepository] {
var repos: [GitHubRepository]?
measure { () -> () in
repos = super.loadRepositories()
}
return repos!
}
}
同样测试的代码逻辑完全独立于具体的业务逻辑，和Cache的逻辑也没有任何关联。通过这种方式我们可以对每个关键的api都添加对应的Unit Test逻辑。当然ServiceFactory当中的实例也需要做替换：
let githubService = GitHubServiceTest()
所有的这些对Application Layer来说都是不可见，透明的。Application Layer使用的只是protocol当中定义的接口，对于具体是哪个Service的实例并不关心。
如果要做到ViewModel和RawModel之间property的一一绑定，关键的一点是要保证RawModel在Service Layer当中的唯一性。也就是说每个业务场景对应的RawModel在Service Layer只有一个实例对象。这样Application Layer不同的业务模块就能绑定到同一个model实例，model某个property变化的时候，各个业务模块都能收到相同的事件通知和数据。为Service实例添加Model Cache可以很好的保证Unique Model Instance。
如果RawModel没有存在Service Layer，ViewModel和RawModel之间的绑定就不成立，那么应用层需要通过另一种方式来监听数据的改变。
DAL是与database（我们使用sqlite）直接打交道的部分。这一层是数据变化最可靠的源头，因为所有的数据只有持久化到database之后才算真正安全。如果无法建立ViewModel与RawModel的绑定，那么应用层就需要一种方式可以监听database数据的变化。依照CRUD原则，我们可以将这种变化定义为table row的增删改查，每一种row数据的变化都会触发一种对应事件。所以我们只需要定义一种数据结构同时描述table name和row change event即可。
DAL工程结构如下：
DataEvent当中定义我们上面所说的数据变化，看下具体代码：
let _Event = EventSource.sharedInstance
class DataEvent<T>: NSObject {
var insert = EventReference<T>()
var delete = EventReference<T>()
var update = EventReference<T>()
var refresh = EventReference<T>()
}
class EventSource: ObservableEx {
static var sharedInstance = EventSource()
var githubEvent = DataEvent<GitHubRepository>()
}
每个table对应一个DataEvent实例，每个DataEvent实例包含row change的事件，insert，delete，update对应增删改，refresh是出现大量数据更新，通知应用层直接刷新整个界面的事件。
所以当我们从GitHub Server拉取到新的Repository的时候只需要对应触发insert事件，比如我们在DAL层保存新的Repository逻辑如下：
func saveRepo(repo: GitHubRepository) {
do {
if getRepo(repo.id~) != nil {
try db.run(tableRepo.filter(repo_id == repo.id~).update(
repo_name <- repo.name~,
repo_star <- repo.star~,
repo_fork <- repo.fork~,
repo_openIssue <- repo.openIssue~
))
_Event.githubEvent.update.notify(repo)
}
else {
try db.run(tableRepo.insert(
repo_id <- repo.id~,
repo_name <- repo.name~,
repo_star <- repo.star~,
repo_fork <- repo.fork~,
repo_openIssue <- repo.openIssue~
))
_Event.githubEvent.insert.notify(repo)
}
} catch {
log("saveRepo err")
}
}
保存的时候会触发insert或者update事件。
应用层如果要监听新的插入数据，只需要注册绑定：
_Event.register(self, event: _Event.githubEvent.insert) { (repo: GitHubRepository) -> () in
let repoItem = FeedItemGitHubRepo(repo: repo)
let dataHandler = self.weakContext!.dataHandler as! FeedStreamDH
dataHandler.insertNewFeedItem(repoItem)
}
这样所有数据的变化都可以被应用层监听到。
这里DataEvent虽然对应用层可见，但这种model和事件的跨层是可以接受的，这种方式可以省去通过Service层中转的麻烦，而且DataEvent并不包含具体的业务逻辑，只描述数据最基础的变化，不会有业务依赖耦合带来的问题。
到这里可以看出Application Layer被驱动的方式有两种：
- 被Service Layer的RawModel property变化驱动，这种驱动方式需要建立Model Cache，保证应用层的ViewModel都有一份对应的RawModel Cache。
- 被DAL的DataEvent驱动，这种驱动方式更通用，不需要建立Cache，也可以被Service Layer监听。
一般场景下我们使用第二种数据驱动方式，在对性能要求较高的场景我们也可以使用第一种property binding的方式。
经过上面更细节的讨论后，我们总结下新的结构图：
更多的细节请查看代码。